Arvatos "Moonshot" - Självstyrande lager med AI och robotik

"Moonshot" siktar på att implementera självlärande processer inom lagerhantering genom användning av generativ AI, robotik och molnteknik. Bild: Arvato

Innovativa forskningsprojektet "Moonshot" strävar efter att införa självförbättrande processer inom lagerhantering med hjälp av generativ AI, robotik och molnteknik. Arvato och Microsoft presenterar detta visionära projekt och dess första användningsområden på Gartner Supply Chain Symposium/Xpo 2024, som hålls i juni i Barcelona, Spanien.

Under Gartner-konferensen i Barcelona samlas cirka 1 600 branschkollegor för att utforska nya teknologier inom supply chain. Arvato har en egen monter, bemannad av logistikexperter från företagets tekniska, konsumentprodukter och hälsovårdsenheter. Dessa experter finns tillgängliga för att diskutera det gemensamma forskningsprojektet med Microsoft samt de utmaningar som uppstår inom supply chain management.

Paul Brolly, Vice President för Global Business Development på Arvato, berättar:

– Moonshot-projektet lanserades med Microsoft i mars, med målet att skapa ett autonomt lager. Vi undersöker olika lagerprocesser för att automatisera och förbättra dem genom robotik, digitalisering och AI. Fokus ligger inte enbart på enskilda processer. I framtiden kan AI hantera den initiala layouten för nya lagerorder utifrån kundens krav, vilket vi sedan förfinar med vår expertis. Detta sparar tid och ansträngning.

Microsoft, som Arvatos teknologipartner, har en avgörande roll i detta initiativ. Företaget bidrar med expertis inom dataplattformar, beräkningskapacitet, generativ AI-förutsägelse, datorsyn, förstärkt verklighet och kognitiva tjänster som taligenkänning och textanalys.

En viktig aspekt av Moonshot-projektet är de praktiska tillämpningarna. Ett exempel är hur AI optimerar plockrutter genom att omorganisera arbetsordrar med snabb dataanalys, vilket förbättrar navigeringen för plockare. Ett annat exempel är AI-styrd tolkning av transportörsvar i transportklagomål. AI Smart Layer tolkar dessa svar och utlöser självständigt lämpliga åtgärder i klagomålshanteringsverktyget, vilket minskar den manuella hanteringen till tre till fyra procent.

b
Visionär framtidssyn på det autonoma lagret. Bild: Arvato